Buchumschlag

Leveraging Parameter Efficient Training Methods for Low Resource Text Classification: A Case Study in Marathi

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deshmukh, Pranita, Kulkarni, Nikita, Kulkarni, Sanhita, Manghani, Kareena, Joshi, Raviraj
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

L3Cube-MahaSum: A Comprehensive Dataset and BART Models for Abstractive Text Summarization in Marathi
von: Deshmukh, Pranita, et al.
Veröffentlicht: (2024)

Long Range Named Entity Recognition for Marathi Documents
von: Deshmukh, Pranita, et al.
Veröffentlicht: (2024)

MahaSQuAD: Bridging Linguistic Divides in Marathi Question-Answering
von: Ghatage, Ruturaj, et al.
Veröffentlicht: (2024)

Topic Modeling in Marathi
von: Shinde, Sanket, et al.
Veröffentlicht: (2025)

L3Cube-MahaSTS: A Marathi Sentence Similarity Dataset and Models
von: Mirashi, Aishwarya, et al.
Veröffentlicht: (2025)

L3Cube-MahaNews: News-based Short Text and Long Document Classification Datasets in Marathi
von: Mittal, Saloni, et al.
Veröffentlicht: (2024)

Curating Stopwords in Marathi: A TF-IDF Approach for Improved Text Analysis and Information Retrieval
von: Chavan, Rohan, et al.
Veröffentlicht: (2024)

L3Cube-MahaEmotions: A Marathi Emotion Recognition Dataset with Synthetic Annotations using CoTR prompting and Large Language Models
von: Kowtal, Nidhi, et al.
Veröffentlicht: (2025)

MahaParaphrase: A Marathi Paraphrase Detection Corpus and BERT-based Models
von: Jadhav, Suramya, et al.
Veröffentlicht: (2025)

L3Cube-MahaSocialNER: A Social Media based Marathi NER Dataset and BERT models
von: Chaudhari, Harsh, et al.
Veröffentlicht: (2023)

IndicSQuAD: A Comprehensive Multilingual Question Answering Dataset for Indic Languages
von: Endait, Sharvi, et al.
Veröffentlicht: (2025)

Chain-of-Translation Prompting (CoTR): A Novel Prompting Technique for Low Resource Languages
von: Deshpande, Tejas, et al.
Veröffentlicht: (2024)

On Importance of Pruning and Distillation for Efficient Low Resource NLP
von: Mirashi, Aishwarya, et al.
Veröffentlicht: (2024)

Universal Cross-Lingual Text Classification
von: Savant, Riya, et al.
Veröffentlicht: (2024)

A Data Selection Approach for Enhancing Low Resource Machine Translation Using Cross-Lingual Sentence Representations
von: Kowtal, Nidhi, et al.
Veröffentlicht: (2024)

On Limitations of LLM as Annotator for Low Resource Languages
von: Jadhav, Suramya, et al.
Veröffentlicht: (2024)

Better To Ask in English? Evaluating Factual Accuracy of Multilingual LLMs in English and Low-Resource Languages
von: Rohera, Pritika, et al.
Veröffentlicht: (2025)

On Importance of Layer Pruning for Smaller BERT Models and Low Resource Languages
von: Shirke, Mayur, et al.
Veröffentlicht: (2025)

Challenges in Adapting Multilingual LLMs to Low-Resource Languages using LoRA PEFT Tuning
von: Khade, Omkar, et al.
Veröffentlicht: (2024)

L3Cube-IndicNews: News-based Short Text and Long Document Classification Datasets in Indic Languages
von: Mirashi, Aishwarya, et al.
Veröffentlicht: (2024)

Efficient Zero-Shot Long Document Classification by Reducing Context Through Sentence Ranking
von: Kokate, Prathamesh, et al.
Veröffentlicht: (2025)

Towards Building Efficient Sentence BERT Models using Layer Pruning
von: Shelke, Anushka, et al.
Veröffentlicht: (2024)

L3Cube-IndicHeadline-ID: A Dataset for Headline Identification and Semantic Evaluation in Low-Resource Indian Languages
von: Tanksale, Nishant, et al.
Veröffentlicht: (2025)

Improving the Efficiency of Long Document Classification using Sentence Ranking Approach
von: Kokate, Prathamesh, et al.
Veröffentlicht: (2025)

Aligning Large Language Models to Low-Resource Languages through LLM-Based Selective Translation: A Systematic Study
von: Paul, Rakesh, et al.
Veröffentlicht: (2025)

Benchmarking Multi-Agent LLM Architectures for Financial Document Processing: A Comparative Study of Orchestration Patterns, Cost-Accuracy Tradeoffs and Production Scaling Strategies
von: Kulkarni, Siddhant, et al.
Veröffentlicht: (2026)

Comparative Study of Pre-Trained BERT and Large Language Models for Code-Mixed Named Entity Recognition
von: Shirke, Mayur, et al.
Veröffentlicht: (2025)

Non-Contextual BERT or FastText? A Comparative Analysis
von: Shanbhag, Abhay, et al.
Veröffentlicht: (2024)

Adapting Multilingual LLMs to Low-Resource Languages using Continued Pre-training and Synthetic Corpus
von: Joshi, Raviraj, et al.
Veröffentlicht: (2024)

Scalable Parameter-Light Spectral Method for Clustering Short Text Embeddings with a Cohesion-Based Evaluation Metric
von: Neveditsin, Nikita, et al.
Veröffentlicht: (2025)

Attribution-Guided Masking for Robust Cross-Domain Sentiment Classification
von: Harkare, Shubham, et al.
Veröffentlicht: (2026)

TextGram: Towards a better domain-adaptive pretraining
von: Hiwarkhedkar, Sharayu, et al.
Veröffentlicht: (2024)

On Importance of Code-Mixed Embeddings for Hate Speech Identification
von: Jagdale, Shruti, et al.
Veröffentlicht: (2024)

L3Cube-IndicQuest: A Benchmark Question Answering Dataset for Evaluating Knowledge of LLMs in Indic Context
von: Rohera, Pritika, et al.
Veröffentlicht: (2024)

Assessing the Portability of Parameter Matrices Trained by Parameter-Efficient Finetuning Methods
von: Sabry, Mohammed, et al.
Veröffentlicht: (2024)

AI-Generated Text Detection in Low-Resource Languages: A Case Study on Urdu
von: Ammar, Muhammad, et al.
Veröffentlicht: (2025)

Large Language Models For Text Classification: Case Study And Comprehensive Review
von: Kostina, Arina, et al.
Veröffentlicht: (2025)

VOYAGER: A Training Free Approach for Generating Diverse Datasets using LLMs
von: Amballa, Avinash, et al.
Veröffentlicht: (2025)

MetaMT,a MetaLearning Method Leveraging Multiple Domain Data for Low Resource Machine Translation
von: Li, Rumeng, et al.
Veröffentlicht: (2019)

MAML-en-LLM: Model Agnostic Meta-Training of LLMs for Improved In-Context Learning
von: Sinha, Sanchit, et al.
Veröffentlicht: (2024)